一种辅助驾驶摄像头坏点校正优化方法技术

本发明专利技术公开了一种辅助驾驶摄像头坏点校正优化方法，包括坏点标定以及坏点校正。坏点标定包括：准备亮度值为0的极暗场景，亮度值为1的极亮场景以及亮度值位位于0~1之间的若干光线均匀的场景；在各单色场景下，由摄像头分别抓取得到Bayer格式的图片，将各图片中实际亮度值与标准亮度值的差值大于阈值TH_bad的像素点的坐标归入疑似坏点坐标集；疑似坏点坐标集中出现次数大于设定值Per的坐标对应的像素点即为坏点。坏点校正包括：坏点的亮度值用周边四个相同通道像素点的亮度均值替代。周边四个相同通道像素点的亮度均值替代。周边四个相同通道像素点的亮度均值替代。

【技术实现步骤摘要】
一种辅助驾驶摄像头坏点校正优化方法


[0001]本专利技术涉及一种图像处理方法，特别涉及一种坏点校正方法。

技术介绍

[0002]辅助驾驶依赖于传感器获取环境信息，并通过处理器对信息进行加工，提供间接信息协助或直接干预驾驶行为。以摄像头获取车外环境的图像信息为主，以激光雷达等其他传感器的信息为辅，是辅助驾驶领域未来的发展方向。
[0003]用于辅助驾驶的图像采集是利用多个车载摄像头将光信号转化成电信号并用数字形式进行存储、传输和显示。摄像头中的图像传感器上光线采集点（像素点）阵列存在工艺上的缺陷，或光信号进行转化为电信号的过程中出现错误，造成图像上像素信息错误，导致图像中的像素点数值不准确，这些有缺陷的像素为图像坏点。由于来自不同工艺技术和传感器制造商，尤其对一些低成本的摄像头来说，坏点数会有很多。另外，车载摄像头在长时间、高温环境下坏点也会越来越多，从而破坏了图像的清晰度和完整性。坏点校正的目的就是修复这类问题，将摄像头采集的数字图像进行缺陷修复和质量增强，便于后续的图像处理和识别。
[0004]一般的图像坏点矫正方法有两种。一种是静态坏点校正。基于已有的静态坏点表，比较当前点的坐标是否与静态坏点表中的某个坐标一致，若一致则判定为坏点，然后再计算校正结果对其进行校正。一般情况下，每个摄像头的坏点都不一样，需要厂商给出每个摄像头的静态坏点表，但是出于成本的考虑，很多摄像头厂商并没有给出，而用户校正的话只能一个一个对其进行校正，因此静态坏点校正的实用性不是很强。另外，由于用于存储坏点表在硬件设计的时候需要占用大量的存储器，考虑到芯片面积等原因，静态坏点校正有限制，不可以无限制的校正。
[0005]另一种是动态坏点校正。动态坏点的校正可以实时的检测和校正摄像头的亮点与暗点，使用梯度百分比的方式去检测坏点，检测到坏点之后通过中值滤波进行坏点校正。这类方法的优势是不用提前标定，也不需要存储区存储坏点表，但是缺点是无法区分摄像头本身缺陷造成的图像坏点和图像噪声，特别是在低照度环境下，很容易将噪声识别成坏点，而坏点矫正的算法不适用于降噪，甚至会造成噪声的恶化。
[0006]辅助驾驶场景中摄像头采集图像的坏点具有如下几个特点：（1）同时存在传感器阵列物理缺陷造成的坏点和环境中光线变化造成的坏点恶化两种情况。（2）在高亮度（白天阳光下）和低亮度（夜晚）两种极端情况下，坏点对图像质量影响大，是重点需要校正的场景。（3）随着摄像头长时间高温使用，会出现新的坏点。

技术实现思路

[0007]专利技术目的：针对上述现有技术，提出一种辅助驾驶摄像头坏点校正优化方法，技术方案：一种辅助驾驶摄像头坏点校正优化方法，包括坏点标定以及坏点校正；所述坏点标定包括：
亮度值采用经过量化的0~1的浮点数表示，准备若干单色场景，包括亮度值为0的极暗场景，亮度值为1的极亮场景，以及亮度值位于0~1之间的若干场景；在各单色场景下，由摄像头分别抓取得到Bayer格式的图片，将各图片中实际亮度值与标准亮度值的差值大于阈值TH_bad的像素点的坐标归入疑似坏点坐标集；所述疑似坏点坐标集中出现次数大于设定值Per的坐标对应的像素点即为坏点；所述坏点校正包括：对于完成坏点标定的摄像头所获取的图片，所述坏点的亮度值用周边四个相同通道像素点的亮度均值替代。
[0008]进一步的，在每个单色场景下均抓取若干张Bayer格式的图片进行坏点标定。
[0009]进一步的，所述阈值TH_bad为0.3。
[0010]进一步的，共有M个单色场景，每个单色场景下均抓取N张Bayer格式的图片进行坏点标定，所述设定值Per=0.3*M*N。
[0011]进一步的，所述坏点校正中，若所述坏点周边四个相同通道像素点中也存在坏点，则利用周边四个通道除坏点以外的像素点的亮度均值替代。
[0012]有益效果：1.有效的实现坏点校正，尤其对于高照度中的“黑点”和低照度中“彩点”。具体的，在驾驶摄像头风吹日晒过程中，摄像头感光元器件的受损会使得坏点随机产生，在极端情况，如高照度、低照度下尤为明显，仅靠厂家出厂时的矫正不足以维持对高照度“黑点”和低照度“彩点”的矫正。本专利技术方案考虑到低照度下噪声的影响，将坏点的差值阈值TH_bad加大到0.3，尽量减少噪声的影响，更加准确的定位坏点。同时，本专利技术方案考虑到低照度、高照度、普通场景等多场景检测，遍历疑似坏点坐标集，当出现次数大于设定值Per时才会将其标定为最终坏点，避免了单一场景对高照度“黑点”低照度“彩点”的误判统计。
[0013]2.坏点坐标表动态维护。坏点表的维护不依赖于摄像头厂商，在摄像头使用全生命周期中可动态增减坏点，保持坏点校正效果。
[0014]3.坏点坐标表占用内存空间小。仅存储坏点坐标，而非整个坏点图，其占用空间小，便于硬件实现。
[0015]4.本方法中，通过调整阈值TH_bad、场景数量M、单一场景下抓取的标定图片数量N以及设定值Per，坏点坐标表的覆盖范围可动态调整，即去坏点程度、坏点坐标表空间大小、运算时间等可根据软硬件环境进行动态调整。
附图说明
[0016]图1为本专利技术方法流程图；图2为极暗场景获取的图片；图3为图2中的一块区域像素点的亮度值；图4为GRGR/BGBG Bayer格式示意图；图5为坏点校正原理示意图；图6为本实施例中待坏点校正的图片；图7为本实施例中坏点校正后的图片。
具体实施方式
[0017]下面结合附图对本专利技术做更进一步的解释。
[0018]如图1所示，一种辅助驾驶摄像头坏点校正优化方法，包括坏点标定以及坏点校正。
[0019]坏点标定包括如下步骤：步骤1：准备亮度值为0的极暗场景。
[0020]坏点标定需要从摄像头获取特殊场景的图片，首先选择极暗场景，做法是用黑胶带将摄像头镜头完全遮住，确保密不透光。理想状态下，此场景下获取的图像的所有像素点的亮度值应为0，但是实际情况下，有一部分像素点亮度值会出现大于零，甚至有一小部分像素点的亮度值和标准亮度值0的差值很大，这些像素点则是疑似坏点，如图2和图3所示。
[0021]步骤2：由摄像头在场景下抓取一张Bayer格式的图片。
[0022]Bayer格式的图片是摄像头输出的一种原始数据格式，其中每一个像素点只有红R、绿G、蓝B三种颜色中的一种，因为人眼对绿色敏感，在2*2的窗口中一般放置2个G、1个R、1个B，排列方式有四种，此处以GRGR/BGBG为例，如图4所示，其他三种格式处理方法类同。
[0023]步骤3：标定疑似坏点，记载疑似坏点坐标。
[0024]遍历整个Bayer图片的所有像素点，将实际亮度值和标准亮度值的差值大于阈值TH_bad的像素点归入疑似坏点，并将这些疑似坏点的坐标值依次记录在表bad_table中。本实施例中，TH_bad取值为0.3。
[0025]步骤4：重复步骤2和步骤3，获取场景下N张Bayer格式的图片，更新表bad_table，即N张Bayer格式的图片上的疑似本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种辅助驾驶摄像头坏点校正优化方法，其特征在于，包括坏点标定以及坏点校正；所述坏点标定包括：亮度值采用经过量化的0~1的浮点数表示，准备若干单色场景，包括亮度值为0的极暗场景，亮度值为1的极亮场景，以及亮度值位于0~1之间的若干场景；在各单色场景下，由摄像头分别抓取得到Bayer格式的图片，将各图片中实际亮度值与标准亮度值的差值大于阈值TH_bad的像素点的坐标归入疑似坏点坐标集；所述疑似坏点坐标集中出现次数大于设定值Per的坐标对应的像素点即为坏点；所述坏点校正包括：对于完成坏点标定的摄像头所获取的图片，所述坏点的亮度值用周边四个相同通道像素点的亮度均值替代。2.根据权利要求1所述的辅助驾驶...

【专利技术属性】
技术研发人员：王正宇，王彬，徐凯，陈石，聂玮成，袁明亮，
申请(专利权)人：江苏游隼微电子有限公司，
类型：发明
国别省市：